变采样周期网络控制系统的模型预测控制

对一类具有随机时延和输入约束的网络控制系统,利用变采样周期的方法,将连续的被控对象离散化,从而将网络控制系统建模为部分转移概率未知的Markov跳变系统.基于预测控制的滚动优化原理,提出一种模型预测控制策略,通过线性矩阵不等式的方法,给出保证整个闭环系统随机渐近稳定充分条件.仿真算例说明所提方法的有效性.     

网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法.该算法由网络利用率预测和采样周期调节两部分组成:网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算.采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期.最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能.     

变采样周期网络控制系统的量化状态反馈控制

研究了一类具有变采样周期的网络控制系统的量化状态反馈控制问题.将从传感器到控制器的随机时延作为系统的时变采样周期,通过将具有时变采样周期、随机时延和量化器的网络控制系统建模为M arkov跳变系统,利用李雅普诺夫稳定性理论和线性矩阵不等式方法给出了系统指数均方稳定的充分条件,并设计了一种量化状态反馈控制器.通过仿真算例说明了所提方法的有效性.     

基于多观测器的变采样周期网络控制系统的H_∞控制

研究了变采样区间和多状态观测器的联合设计问题.考虑到网络诱导时延可能大于一个采样周期,假定采样周期取值在有限集内切换,构建具有单状态观测器和多状态观测器的网络控制系统Markov跳变模型.在此基础上,基于Markov理论,获得闭环网络控制系统随机稳定的充分条件和最优H∞范数上界.并且,应用线性矩阵不等式技术,获得模型依赖控制器和观测器设计方案.仿真对比表明多状态观测器对网络控制系统更有效.     

变采样周期网络控制系统的状态反馈设计

针对短时延网络控制系统,提出了将时变采样周期分成为定常采样周期和网络诱导时延的和．建立了系统离散模型,将采样周期的不确定性转换成系统参数的不确定性．研究设计了静态状态反馈控制器,基于线性矩阵不等式的可行解给出了控制器参数．仿真证明了该方法的有效性．比较于其他的设计方式,该方法的计算量小．     

变采样网络控制系统的稳定性分析

目前网络控制系统多采用事件驱动方式,这种驱动方式适用于网络延时小于一个采样周期的网络控制系统。为了解决网络延时大于一个采样周期的问题,提出了事件-时间驱动方式。在采用事件-时间驱动方式下系统成为变采样网络控制系统。在网络时延大于一个采样周期情况下,系统中的控制值和反馈值不能准时到达时,该系统使用预测环节预测的预测值。在基于预测值的变采样网络控制系统中,给出了不同网络时延所对应的状态转移矩阵,分析了变采样网络控制系统稳定需要的条件,最后给出了一个例子说明了变采样网络控制系统采用预测值控制可以使系统稳定运行。     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.     

网络化控制系统中采样周期的优化求取

针对存在时延的网络化控制系统,建立系统的增广状态空间描述,并且根据时滞相关稳定性判据,求取保证系统渐近稳定的最大允许时延.其次,根据建立的增广状态空间描述模型给出以优化控制性能为目标的优化函数,在假设系统时延为最大允许时延的情况下,通过求解性能优化函数极小值得到采样周期的优化解.最后,引用实例验证所提方法的可行性.     

基于LS-SVM的变采样周期系统控制

针对变采样周期系统的控制,提出基于在线最小二乘支持向量机(LS-SVM)的预测控制方法.在LS-SVM的基础上,利用训练数据窗及训练数据阈值,推导出适合控制系统的在线训练方法.当在线LS-SVM的核函数取线性函数时,结合预测控制方法得到在线LS-SVM预测控制量的方程解,并将其应用于变采样周期系统.仿真显示了该方法的可行性、鲁棒性.     

基于神经网络预测的网络控制系统故障检测

考虑一类长时延网络控制系统,假定其存在输出时延,对其进行故障检测。通过对网络控制系统时延采样值进行神经网络预测,使之成为无延迟的控制系统。在此基础上,建立了基于神经网络预测的故障观测器误差方程,并证明了该观测器稳定的条件。当系统正常时,只要给定的不等式条件成立,该观测器系统就是稳定的。当系统发生故障时,观测器残差能够迅速发生跳变,从而检测出故障的发生。最后通过仿真示例说明该文方法能够较好预测网络时延,发现系统故障。     

基于时延随机分布的网络化控制系统控制器设计

针对一类非线性网络化控制系统,根据网络诱导时延两个主要部分即传感器到控制器时延及控制器到执行器时延的不同随机分布特性,利用Lyapunov-Krasovskii泛函方法得到了闭环系统的均方稳定性条件. 在系统闭环方程中引入时滞的随机分布特性,获得一种新形式的Lyapunov-Krasovskii方程,降低了控制器设计方法的保守性. 仿真结果表明了该方法的有效性.      

基于时滞BP神经网络的铸坯表面温度预报研究

为了快速准确地计算连铸方坯表面温度,提出了基于时滞BP神经网络的温度预报模型.由于传统的基于机理的模型需要直接求解偏微分方程,导致模型的求解消耗时间过长.为了满足连铸动态控制与优化的需求,研究了连铸方坯的传热机理,根据连铸过程热传导的特点,建立了基于时滞BP神经网络的温度预报模型,以历史时刻的表面温度和当前时刻水量作为神经网络的输入,以下一个时刻表面温度作为神经网络的输出.该模型可以快速预报连铸方坯表面温度的动态变化情况.并且依据某工厂的真实数据进行实验,表面温度的预报最大相对误差小于0.1%,取得了较好的实验结果.该方法可以准确地预报连铸坯的表面温度.     

基于模糊神经网络的大时滞系统的预测控制

工业生产过程中常有大时滞存在,用传统控制方法不能获得满意的控制效果。为解决这个问题,本文提出了基于模糊预测的模糊神经网络（Fuzzy Neural Networks)控制器,根据过程的动态变化实施控制器的在线调整,仿真和实践都表明了该控制方案的优越性。     

基于观测器的时延网络控制系统稳定性

针对一类传感器采用时间驱动,控制器和执行器采用事件驱动的确定短时延网络控制系统,设计了一个状态观测器.将该网络控制系统离散化,并在此观测器的基础上给出了系统的离散模型和判定渐近稳定的方法.通过建立一个Lyapunov函数并采用线性矩阵不等式(LMI)的方法获得系统渐近稳定的充分条件.仿真实例验证了该方法的可行性及有效性.     

A Control Scheme Based on Online Delay Evaluation for a Class of Networked Control Systems

A control scheme that integrates control technology with communication technology to solve the delay problem is introduced for a class of networked control systems: Networked Half-Link Systems (NHLS). Concretely, we use the master-slave clock synchronization technology to evaluate the delays online, and then the LQ optimal control based on delays is adopted to stabilize the controlled plant. During the clock synchronization process, the error of evaluated delays is inevitably induced from the clock synchronization error, which will deteriorate the system performances, and even make system unstable in certain cases. Hence, the discussions about the clock error, and the related control analysis and design are also developed. Specifically, we present the sufficient conditions of controller parameters that guarantee the system stability, and a controller design method based on the error of delays is addressed thereafter. The experiments based on a CANbus platform are fulfilled, and the experimental results verify the previous analytic results finally.     

基于神经网络的不稳定时滞对象控制

针对过程控制工业中的一类不稳定时滞对象存在的难以稳定、鲁棒性差、对输入的变化和扰动十分敏感的问题,采用了基于神经网络的双自由度控制结构.在利用内环控制器镇定对象并且提高系统反应速度、减轻输出的振荡的同时,结合Guillermo等提出的比例-积分-微分(PID)参数镇定区域理论优化设计外环BP神经网络控制器的学习范围、学习方式和初始参数,改善系统设定值跟踪和扰动抑制的性能,提高系统鲁棒性.仿真结果表明,即使在建模有误差的情况下,该控制结构仍能比传统双自由度PID控制有更好的控制效果和鲁棒性.     

时延离散网络系统的均方指数稳定控制

针对带有随机时延和数据包丢失的不确定离散网络系统,得到了系统的均方指数稳定控制器设计策略。通过把网络诱导时延和数据包丢失看作满足Bernoulli分布的等价时延,并结合等价时延在不同区间上的概率取值,建立了更加切合实际的网络系统数学模型,并在此基础上,结合Lyapunov稳定性理论,对网络系统的均方指数稳定性进行分析,同时给出了输出反馈鲁棒控制器设计方法。仿真算例说明了该方法的有效性。     

时延网络控制系统调度与稳定性

针对共享网络资源的多个网络控制系统的调度与稳定性问题,考虑网络诱导时延对系统的影响,给出网络控制系统的模型描述;基于静态非抢占RM(Rate Monotonic)调度算法,给出网络可调度与闭环系统稳定的充分条件。仿真结果表明该文的方法比已有的方法具有更小的保守性。     

基于BP神经网络预测的自相关过程MMSE控制

自相关过程的质量控制，常采用基于MMSE控制器的SPC／APC整合方法进行监测．而MMSE的设计，依赖于自相关过程预测的精度．对自相关过程采用BP神经网络进行预测，APC过程采用MMSE控制器进行过程调整，最后采用SPC进行过程监测．仿真实验表明：该方法能够有效去除自相关的影响，是一种有效的自相关过程监测方法，有实际应用价值．